如何使用Apache POI 3.5中的新OOXML支持从DOCX文件中提取纯文本？

Question

2009年9月28日，Apache POI project发布了3.5版本，正式支持Office 2007中引入的OOXML格式，如DOCX和XLSX。

请提供一个代码示例，用于以纯文本格式提取DOCX文件的内容，忽略任何样式或格式。

我问这个是因为我无法找到任何覆盖新OOXML支持的Apache POI示例。

Answer 1

这对我有用。确保添加所需的jar（升级xmlbeans等）

public String extractText(InputStream in) throws Exception {
    XWPFDocument doc = new XWPFDocument(in);
    XWPFWordExtractor ex = new XWPFWordExtractor(doc);
    String text = ex.getText();
    return text;
}

Answer 2

这是更通用的

POITextExtractor poitex = ExtractorFactory.createExtractor（in）;

返回poitex.getText（）;